BIOLOGIA COMPUTACIONAL. by

Transcrição

1 BIOLOGIA COMPUTACIONAL by

2 1. Patho-NGen-Trace. Objetivos: "Our aim is to develop new applications of Next-Generation-Sequencing (NGS) for microbial disease surveillance and early warning systems."

3

4

5 2. Problema: sequenciação e montagem de genomas.

6 2.2. Sequenciação.

7

8 2.3. "Reads"? Exemplo.

9 2.4 Montagem do genoma.

10 Desafio algorítmico: montagem de novo. De Bruijn graphs.

11

12 Desafio Algorítmico: mapeamento de reads.

13

14 3. Análise comparativa de genomas.

15

16 4. Métodos de tipagem.

17

18 5. Análise de dados.

19 5.1. Análise de redes biológicas. Determinação de módulos, padrões recorrentes, estruturas hierárquicas, árvores filogenéticas, e ranking.

20

21 5.2. Clustering e biclustering.

22

23 5.3. Árvores filogenéticas e epidemiologia.

24

25

26 6 Integração de dados e visualização.

27 6.1. PHYLOViZ: integração de dados epidemiológicos.

28

29 7. Sistemas de informação.

30 7.1. pubmlst DB

31

32 7.2. Linked data.

33

34 8. Especialização em Biologia Computacional

35 Biologia Computacional Sistemas de Apoio à Decisão Análise e Integração de Dados Informática Biomédica Algoritmos Avançados Redes Complexas

36 8.1. Biologia Computacional A Biologia Computacional (ou Bioinformática) desenvolve métodos computacionais e algoritmos para o processamento de dados biológicos e utiliza modelação matemática e estatística para definir hipóteses testáveis sobre entidades e processos biológicos. Esta disciplina introdutória pretende familiarizar os alunos com as metodologias computacionais e matemáticas que estão na base de muitas das abordagens que suportam os novos desenvolvimentos desta área.

37 8.2. Sistemas de Apoio à Decisão Introduzir os conceitos fundamentais da descoberta de informação a partir de grandes quantidades de dados. Tornar os alunos hábeis na criação de sistemas capazes de descobrir informação escondida através da aplicação de técnicas de data mining. Tornar os alunos hábeis na avaliação da informação descoberta, em particular na comparação dos diferentes modelos descobertos.

38 8.3. Análise e Integração de Dados A disciplina de Análise e Integração de Dados pretende ensinar aos alunos os conceitos mais importantes de integração de dados sobre duas perspectivas diferentes: virtual, onde as fontes de dados podem ser consultadas através de uma arquitectura de mediação; e wharehoused, onde um repositório de dados materializado (denominado armazém de dados ou data warehouse) é preenchido com dados provenientes das fontes. Adicionalmente, a disciplina ensinará as técnicas que podem ser utilizadas para explorar a informação: OLAP e reporting numa arquitectura wharehoused, e sistemas de mash-up numa arquitectura virtual.

39 8.4. Informática Biomédica O objectivo geral da disciplina é o de dotar os alunos com os princípios e conceitos fundamentais relativos à utilização das tecnologias de informação em saúde. Os alunos adquirem competências essenciais e familiarizarse-ão com as potencialidades do uso das tecnologias de informação na investigação em biomedicina e no papel crucial que hoje representam nas várias vertentes da prestação de cuidados de saúde

40 8.5 Algoritmos Avançados Os algoritmos e as estruturas de dados estão na base de qualquer aplicação ou sistema informático, tendo vindo a ganhar cada vez maior relevância com novos desafios no que respeita ao volume de dados a processar, aos requisitos de eficiência e de processamento em tempo real, e à complexidade dos problemas com que nos deparamos hoje em dia. O objectivo desta unidade curricular é portanto a formação avançada em técnicas de desenvolvimento e análise de algoritmos.

41 8.6. Redes Complexas Esta disciplina tem como objecto de estudo as redes complexas, com foco nos algoritmos, modelos e aplicações quer para redes artificiais quer para redes reais, tais como redes sociais, redes de informação, a Internet, e redes biológicas. Neste contexto, interessa tanto o desenvolvimento de algoritmos e estruturas de dados escaláveis para que seja possível um análise efectiva destas redes complexas, como a elaboração de modelos teóricos capazes de descrever os padrões encontrados empiricamente.

42 obrigado